量化投资是红海还是蓝海？

      头部梯队硝烟四起，第二梯队加速入局，战场不断外扩，构成了当前量化私募的“战况”。

      近年来，量化私募迅速崛起，百亿级量化私募不断扩容，千亿级巨头也开始涌现。然而，在光鲜背后，行业竞争愈发激烈。私募排排网数据显示，截至7月14日，已经有两家私募退出百亿级梯队。

      多位业内人士直言，量化私募仍存在较大的发展空间，不过，相比于主观多头策略，量化私募机构间的竞争更为直接和激烈，核心策略团队的稳定性、能力圈的逐渐拓展或是量化私募机构在长跑中胜出的重要基础。

头部量化梯队洗牌

       私募排排网数据显示，截至7月14日，运行中的量化策略基金共有17126只，而2020年同期运行中的量化策略基金仅为9153只，2019年同期运行中的量化策略基金为5710只。另外，百亿级私募梯队中也频现量化私募的身影。截至7月14日，百亿级量化私募数量高达13家。

       不过，在高速发展的同时，行业竞争愈发激烈。据私募排排网网统计，截至7月14日，佳期投资和上海锐天投资已经掉出百亿级梯队。与此同时，百亿级梯队也迎来了新鲜血液。

       “量化私募机构间的竞争尤为残酷，因为主观多头策略私募可以用投资理念尽量寻找到一路同行的投资人，而量化私募只能用业绩说话。一旦核心策略失效或者短期业绩表现不好，资金会选择撤出，寻找更有效的策略，所以量化私募头部梯队的加速洗牌是行业激烈竞争的表现。”沪上某FOF基金经理直言。

       团队稳定性至关重要

       头部梯队内部的激烈竞争，让人不禁发问，如今的量化投资究竟是蓝海还是红海？

       厚石天成总经理侯延军认为，量化投资的发展很难用红海或蓝海来形容，不过量化投资中部分短线类型的具体策略，可能正在形成所谓的红海。比如以交易市场微观结构为主的量化策略，会由于容量问题和趋同性问题，产生各细分策略间的激烈交锋。

       “相比于海外成熟市场，我国量化投资规模还有很大差距，所以量化投资的发展仍是一片蓝海。不过，随着头部效应的逐步显现，如今量化私募需要重新审视公司长期发展的核心因素，即团队稳定性和核心策略的进化迭代，那种靠一两个人战胜市场、找到赚钱模型的故事基本上不会再出现了。”某量化私募人士坦言。

       鸣石投资创始人袁宇也表示：“一家量化私募若想长远地走下去，必须依靠多核驱动，有生命力的团队才能具备较强的研发和风控实力，在不同的市场中稳步前行。另外，随着量化投资进入新时代，量化私募需要凭借更高的技术和更专业的团队，为资管行业提供更优的解决方案。”

       头部机构拓展能力圈

       除了保证团队的稳定性和策略的有效性，多家头部私募正不断拓展能力圈，强化自身的资金吸引力与资产配置功能。

        近日，百亿级私募天演资本首次对外发行量化多头产品，不再对标相关指数，并加入了择时因子。深圳某百亿级私募人士也透露，公司正在筹备类似的策略产品，并将主观和量化相结合，发挥自身优势。今年6月份，灵均投资也在渠道发行了量化多头策略产品。

       “百亿级量化私募的团队人数大概在60至100人之间，技术成本和人力成本都很高，只有管理规模较大公司才能覆盖这一成本，并且有能力不断强化投研团队实力，形成正反馈。”上述量化私募人士表示。

来源：中国证券网

AI助力金融数字化 马上消费开启进阶之路

       在各种影视的虚拟世界中，人工智能（又称“AI”）研究已经远远超过我们当前的发展水平，万物皆堪垂泪。在现实生活中，AlphaGo机器人于2016年击败了曾18次问鼎世界围棋冠军的李世石，这意味着直觉、战略思维、想象力不再是人类所独有。

       有人说，人工智能现在是人类的学生，未来将成为人类的先生，足见人工智能的想象空间之大。

       近些年，人工智能技术在经历了泡沫后，逐渐开始回归理性，更加注重落地产业。目前，人工智能技术已经取得长远进步，被广泛应用于安防、医疗、金融、制造、教育、城市管理等多个领域，成为世界不可或缺的一部分。

       金融业作为应用人工智能技术较为成熟的产业，在前、中、后台均有覆盖，贯穿到数字化运营的全生命周期，包括创新的产品和服务，个性化用户体验如智能客服和自动化交易等，以及身份验证等，可以根据个人偏好为用户提供多样化、个性化金融服务，保障业务稳健运营的同时，提高运营效率和用户体验。

       随着人工智能技术的大规模应用，AI将对金融业产生深远的变革，并为其创造更大的增量价值。

人工智能渗透金融业

       安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩莱因（Michael Haenlein）将人工智能定义为：系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力。例如通过人工智能技术可以解释“人何以为人”。

       后疫情时代，人工智能技术的作用逐渐凸显出来，金融机构借此打造数字化、自动化、创新化的金融生态，致力于在数字金融、智慧金融浪潮中站稳脚跟。

       中国工商银行、中国农业银行、中国建设银行、中国银行四大国有银行在财报中多次提及人工智能，并纷纷将人工智能提升到战略地位，逐渐加大在科技方面的投入。

       目前，金融业通过人工智能技术已经在多个应用层面进行落地实践。一是语音识别与自然语言处理。智能客服是金融机构较为成熟的应用，头部机构的问题解决率可高达90%，改变了原本的按键式菜单，通过语音（包括普通话、方言）说出关键词就可以基本解决用户的问题，实现了菜单扁平化，此举不仅可以提升用户体验，降低人工客服的压力，还可以降低金融机构的运营成本。

       持牌消费金融公司作为中国银保监会从金融机构中剥离出来的一个创新行业，在人工智能、大数据、云计算、区块链等前沿技术的应用相对灵活且成熟。

       科技驱动型金融机构马上消费在人工智能技术方面不断探索，自主研发了XMA智能客服系统，该系统拥有100+万金融专业知识的知识库，40+万客户问题语料库，通过自然语言处理、深度神经网络、机器学习等核心技术，为各业务线产品、用户提供全天候、标准化的服务。

       值得一提的是，马上消费“智能客服机器人”领域的项目刚刚获得工信部第一期人工智能产业创新揭榜优胜单位。

       二是计算机视觉与生物特征识别应用。人脸、虹膜、指纹、声纹等生物特征识别是金融机构常见的应用，可以进一步增加系统的安全性，有效防范非法分子的入侵。

       同时通过机器学习、神经网络与知识图谱的应用，可以有效预测欺诈、识别欺诈交易等。在海量金融交易数据的基础上，金融机构通过深度学习技术，可以做到事前干预以减少财产损失。

       随着人工智能技术应用的逐步深化，部分金融机构现已形成了看、听、想、说、做一体化的核心能力，不断进行产品创新和场景的拓展，将金融服务的触角向更广泛的群体延伸，加速普惠金融的进程。

持牌消金公司大有可为

       数字化转型大背景下，银行业务向全面线上化发展。人工智能赋能银行业转型已经成为行业的普遍共识，可以提高自动化程度，同时在风险控制得当的情况下，能提升人为决策的速度和准确度。

       麦肯锡近期发布的报告数据显示，人工智能技术每年可为全球银行业创造高达1万亿美元的增量价值。可以看出，人工智能技术对银行业转型的重要推动作用。

       监管也多次发文鼓励金融机构运用人工智能等技术建立风险定价和管控模型，改造信贷审批发放流程，促进AI技术落地于金融领域的全场景。

       目前，国有大行已经具备了一定的AI能力，中小银行纷纷进行AI赋能下的数字化转型。由于银行业的业务比较复杂、数据庞大，对风控的要求较高，所以成为AI技术的主要需求方。相关数据披露，2022年中国银行业对AI技术的总投入规模将超过220亿元，而且这一数据还在逐年攀升。

       除了国有大行以及部分股份制银行，大部分的中小银行是通过与AI公司合作，采购相应的产品与服务以提升运营效率和提升用户体验，助力传统金融机构向数字化方向转型。“在一段时间内，这将是行业主要的技术获取手段，且智能风控是金融业需求旺盛且AI投入较多的领域。”一位资深分析师指出。

       作为与银行业耦合程度较高的行业，头部持牌消费金融公司凭借灵活、创新等优势，持续深化人工智能等新技术，实现了全业务流程的智能化、数字化，同时在贷前、中、后进行全面风险管理，搭建了完整的风控闭环。

       马上消费充分发挥人工智能三驾马车“算法、数据、硬件”作用，依托海量的数据总结了一套风险管理经验，构建了五位一体的综合维度风险管理体系，同时融入自主研发的收入偿债比模型，加强风控审核机制。目前，马上消费的科技能力已经实现有效赋能，合作银行及金融机构超过200家。

       长远来看，人工智能技术在金融领域的潜力巨大，应用会越来越成熟，场景也会进一步得到拓宽。而在金融数字化转型风口下，头部持牌消费金融公司将迎来更多机遇。

来源：GPLP

从0到1，如何搭建智能投顾体系？

       在互联网高速发展，产品服务渐渐趋向标准化的过程中，智能投顾完成了一场自下而上，从初创企业（Betterment, Wealthfront）到巨头规模化使用的行业变迁。

本文来自: 品钛研究院 题图来自“u539fu521bu56feu7247”

       “智能投顾”是一个舶来品，最早起源于美国，指的是机器人基于客户的风险偏好和理财需求，通过算法来为客户完成理财顾问服务。

        在互联网高速发展，产品服务渐渐趋向标准化的过程中，智能投顾完成了一场自下而上，从初创企业（Betterment, Wealthfront）到巨头规模化使用的行业变迁。

       2015年，智能投顾开始陆续受到中国市场的关注。2016年AlphaGo席卷世界，人工智能迅速成为国内的焦点话题，这也激发了人们对于智能投顾的探索热情。同年年底，智能投顾产品“摩羯智投”在招商银行手机APP上线，智能投顾开始逐渐从实验性技术转变为主流趋势，成为银行、券商、保险等金融机构的标配型服务。

       根据BI Intelligence的报告，从智能投顾公司数量来看，截止2017年4月，中国已是全球智能投顾活跃度排名第三的国家，位居美国、德国之后。

       本文中笔者将结合自己在传统大型金融机构，以及新型金融科技公司里的财富管理经验，从可投资资产、市场分析、配置理论、再平衡方法四个方面来解释，如何在国内构建一套较完整的智能投顾系统。

可投资资产分析

       目前中国智能投顾产品的底层资产多为公募基金，这与成熟资本市场的情况有所不同。在美国、新加坡、香港等国家和地区，其智能投顾的底层资产均为ETF（Exchange-Traded Funds）。

       ETF最大的好处是可以瞬间完成配置，这个特性也使得ETF几乎成为智能投顾底层资产池的首选。

       但国内的智能投顾较难实现以ETF为底层，主要原因有三：

       牌照方面，国内的ETF大多属于二级市场，如果国内的智能投顾公司没有基金管理人牌照，就无法对ETF进行交易。

       市场覆盖方面，国内ETF覆盖的市场多偏行业，所以通过买国内的ETF很难为客户做到全球资产配置。而美国的ETF就涵盖了几乎所有主要国家市场和行业类型。

       体量方面，国内ETF数量不多，仅有一百多支，相比之下，美国市场有大约1600支ETF，体量要大很多。

在这些客观条件下，中国智能投顾唯一能走的途径，就是以公募基金为底层资产，结合客户的风险偏好和算法对市场的预判，为客户推荐一个公募基金组合。 

市场分析

       在实际操作中，我们会按照国内股、国内债、海外股、海外债、商品五大类别，将基金进行分类。

       确定可投资市场后，我们就能确定这些市场的基准(benchmark)，并对其进行机器学习，进而决定是否要为客户的投资组合(portfolio)配置该市场。

       例如，如果我们需要研究“海外股”市场，就可以对美国标普500指数的市盈率、市净率等因子进行分析，此外，美国的国家宏观经济指标也可以作为分析因子。

       基于这些因子，我们会用量化的方法预测市场是涨还是跌。如果模型判断该市场大概率会上涨，我们可以加大对该市场的配置；反之，则把其配比压低，这是一种避险的方法。

       关于该把哪些因子放入模型，有两种方法。假设，我们现在有包括市盈率、市净率在内的30个因子可用，一种方法是根据历史上因子贡献度，选10-15个最有效的因子放到模型里；另一种方法是把这30个因子全部放进机器学习模型。

       根据我们的经验，方法二的效果要略好于方法一，但是也没有好很多，大概年化收益率高一个百分点左右。

所以当一些技术概念被热炒时，一方面我们要认识到机器学习确实能优化投资组合表现；另一方面，也要注意不要对机器学习过于神话。

       机器学习的算法有很多种，在测算市场涨（跌）概率时，我们会同时使用几种算法。如果这些算法对一个市场的走势作出一致判断，该判断的准确率就会被认为是较高的，因此在投资组合里就可以对这个市场进行超配（低配）。

这其实很好理解，就好比当一个人（一种算法）告诉你说A股可能大涨，听者可能将信将疑，但如果十个人（十种算法）都和你这么说，你就会觉得它的可信度显著增加了。

配置

       市场分析完之后，下一步是配置。我们用的配置方法是马科维兹的现代投资组合理论，简单来说，就是在同等收益下寻找最小风险，或是在同等风险下寻找最大收益。但是马科维兹模型在实操过程中非常难用。

       这个模型的最大问题是，它对参数非常敏感。下面这个例子可以看出，在几个市场（黄金、美国、中国、新兴市场）预计收益率变化不大的情况下，有效前沿曲线上，红点和绿点的资产配比相差是很大的。

       一般来说，模型中的参数有三种：收益率、风险值和约束条件。这三种参数中，很多人对“约束条件”不以为然，但是实际操作中，约束条件恰是我们会花很多时间去操作的参数。

       首先，模型中最基本的约束条件是——所有市场的配置加起来要等于100%。此外，我们会为每个市场设定投资的上限和下限，以及股债比，股债比有时是定值（如“8:2”），有时是范围（如“不高于8:2”）。

       如果股债比是范围的话，就属于非线性约束条件，它可解的范围是很大的。我们在做模型参数时，会花比较多的心思在类似这样的约束条件上。

再平衡

       我们在和很多机构客户沟通的过程中，被最常问及的一个问题是，“你们的配置准吗？”。与“准不准”同样重要的是（如果不是更重要的话），怎样根据市场变化来改变投资组合中的配置，也就是我们常说的再平衡。

再平衡的常用策略有两种：

       一种是恒定混合策略（Constant Mix），这是海外智能投顾常用的再平衡策略，也是智能投顾鼻祖Betterment和Wealthfront采用的方法。它的基本运作原则是让不同资产类别间的比例始终保持在一个数值（比如，股债比需要始终保持在7：3）。当股市上涨时，组合里需要卖掉一些股票以保证股债比不变；同理，当股市下跌时我们需要买一些股票回来。所以恒定混合策略一直是一个买低卖高的过程。

       这也导致了一个问题：当股市下跌时，模型为了保证股票类资产和证券类资产的比例不变，就会越跌越买。所以在空头市场里，它的表现往往会不佳。

       在2008-09年金融危机期间以及2014-15年A股多转空期间，几种再平衡方法的模型表现就说明了这个问题，恒定混合策略是几种再平衡策略中表现最差的。

      另一种是固定比例投资组合保险策略（CPPI，Constant Proportion Portfolio Insurance）。CPPI策略主要是根据市场的波动来调整权益类资产与保证本金类资产在投资组合中的比重，以确保投资组合在一段时间以后的价值不低于事先设定的某一目标价值，是一种追涨杀跌的模型。

       我们比较喜欢这个模型，因为它可以控制风险。上图中可看到，CPPI也是在两次空头市场中，表现相对较好的。

结语

       智能投顾从美国来到中国，但智投服务在中国和美国的发展逻辑略有不同。

       美国智能投顾市场成立的逻辑可以大致总结为：智能投顾是平价版的投资顾问，是传统投资顾问业态的替代。所以，在美国投顾服务从“人工”到“智能”基本实现了平稳过度。智能投顾根据资产管理规模（AuM）收取管理费的模式因此也较容易被投资者接受。

      而智能投顾在中国兴起的这几年，一方面国内尚没有成熟的人工投资顾问市场，投顾服务对于大部分投资者来说，是较新鲜的概念。另一方面，智能投顾兴起的这几年，恰逢一些泛财富管理平台承诺给予投资者较高“保本”收益的时期，这些导致智能投顾在中国市场的潜力还未完全释放。

       近一年来，监管方面在泛财富管理行业有一系列动作，其中最显著的是新出台的资管新规中，明确要求打破刚性兑付，要求金融机构不得承诺保本保收益。这些都是对智能投顾行业的积极信号。

来源：亿欧

弘量研究逆市融资，有温度的产品，会引领中国智投

       弘量研究逆市融资，看好中国智能投顾行业

       在2016年成立弘量研究之前，雷春然在金融界有颇为不错的履历。他拥有九年投资银行全球投资经验，曾是德意志银行香港固收部副总裁，也在金融产品及衍生品交易行业拥有丰富的经验，总交易额超过100亿美金。务实的他，内心也有自己的情怀—想要做符合客户长远利益的产品，让更多的人可以享受科学的资产配置建议并更方便的投资。作为香港科技大学孵化的项目，虽然创业艰辛，雷春然和他的团队已走过4个年头，先后斩获阿里巴巴创业者基金，戈壁创投等顶级机构的投资，并在2020年3月底完成来自联想创投、阿里巴巴创业者基金、永隆银行家族等机构投资的Pre-B轮融资。

       在创投环境相对冷静的情况下，弘量研究获得各大机构青睐的秘诀是什么呢？

做智能投顾，先拿牌照

       随着海外市场数字化财富管理的兴起，以及国家利率水平的下降，智能投顾这个行业最早诞生在2008年的美国。这一年，Betterment成立了。自2012年起，Betterment的用户数量就快速增长。如今，美国的Betterment, Wealthfront等都是世界范围内知名的智能投顾公司， 旗下管理资产已颇具规模。海外其他市场如新加坡也出现了像Bambu和Stash Away等公司。海外市场发展较为成熟，客户对公司及产品也有比较高的认知度。

       相比之下，中国市场还在相对早期的发展阶段。自2016年起陆续出现了一些智能投顾行业的公司， 比如招商银行推出的“摩羯智投”，为客户提供多样的基金投资组合产品。2019年10月，首批5家公募获得基金投顾牌照，给这个行业的蓬勃发展奠定了一个良好的开端。2020年3月，包括招商银行在内的多家银行机构也获得了基金投顾牌照，完善了行业的竞争格局。

       合规性是金融科技企业能长远发展的基础，雷春然亦深知牌照的重要性。弘量研究持有美国注册投资顾问RIA (Registered Investment Advisor) 牌照， 同时在香港持有1号（证券交易），4号（投资顾问）和9号 （资产管理）牌照。在国内，弘量研究在积极申请基金投顾牌照，以扩大未来业务范围。

算法是核心，也是优势

       在雷春然看来，做一家好的智能投顾公司无异于构建大飞机引擎，无故障运行时间是非常重要的指标，不仅需要确保每一个零部件的质量，更要保证整体运作的质量。弘量研究是金融+算法+IT三者结合的技术服务公司，主要为机构和个人客户提供从策略到交易的全球资产配置方案。

       与国内大部分偏销售性质的智能投顾公司不同，算法是弘量研究的核心优势。2018年，弘量与华润银行合作推出智能投顾引擎Run智投，推动长期资产配置概念的落地发展，让更多的个人投资人接触到多元的资产配置。截至2019年9月15日Run智投进取型组合累计收益率高达36.54%，远超A股指数的表现。优异的业绩表现离不开专业人士的深耕。弘量的另一位创始人黄耀东博士毕业于香港科技大学的数学系，曾在该校任教金融工程，对机器学习和量化策略的结合有深刻独到的见解。同时，弘量还拥有一个规模可观， 由数学、金融工程、物理等各专业博士组成的经验丰富的策略团队专注于优质策略的研发和应用。

       在资产配置层面，弘量基于用户习惯，产品认知度和风险接受度为客户提供多元化的产品。2017年，弘量发布以全球超过4000支交易所交易基金（ETF）为底层资产的产品AQUMON。相较于直接投资于A股，美股等股票市场，AQUMON一定程度降低了投资的波动性风险。客户可以从手机App或者电脑网页使用AQUMON，随时查看资产组合的动态及收益，投资的透明度和便利性都大幅提高。

       由于境内外客户对不同产品的熟悉度存在差异，雷春然表示需要满足不同的客户需求，“目前境内的客户偏好用股和债做资产配置，对境外的客户，弘量提供房地产投资信托基金（REITs）等更加定制化的产品。”REITs具有交易门槛低、投资范围广、股息分配高、回报率丰厚等优势，更加适合个人客户。据弘量的数据，REITs过往20年平均年化回报率超过13%。

智投行业百花齐放，中国有自己的特色

       2019年，蚂蚁金服和全球规模最大的公募基金先锋（Vanguard）集团成立合资公司，推出“帮你投”智能投顾服务进入中国的基金投顾行业。不仅仅是国内，海外市场的智能投顾行业也在进一步发展。2020年2月，东南亚科技巨头Grab收购新加坡智能投顾公司Bento Invest 为Grab用户以及各合作方提供投资及财富管理解决方案。雷春然觉得这对行业的未来发展来说是好事，“市场太大了，100万亿，百花齐放是正常的，现在真正有实力的都没有几家，希望参与的有真正算法团队的多一些，大家多做一些资产配置的投教。投教是传导式的，资产配置深入人心才能把蛋糕做大。”

       与此同时，虽然海外市场的用户对行业有更高的认知度，中国的互联网程度更高，对行业有明显的推动作用。“国内会是非常大的一个市场。”雷春然很明确，“中国智投行业会使用自己金融市场的底层资产，比如中国的股票，债券，公募基金或者ETF形成有特色的发展道路，与美国分庭抗礼。”融资比较顺利的弘量对于未来3-5年也有清晰的规划。“智能投顾都在发达市场。弘量要深耕香港和国内，做到亚洲第一，达到2000亿美金的资产管理规模。”

“和优秀的人，做有意义、有意思、有挑战性的事情”是雷春然的信念。目前已与超过60家金融机构建立合作关系的弘量，必将如其名，宏图不可限量，带领中国的智能投顾行业迈上新的台阶。

来源：亿欧

解密量化对冲｜市场跌了还能赚钱的秘密何在？

       对冲说来有些晦涩，我们先从一个故事讲起。

       老太太有个儿子卖草帽，晴天倒是能赚钱，但是每逢阴雨便亏损，卖不出草帽且白白承担水电费房租成本，全家都很忧愁。后来，老太太让另一个儿子去卖雨伞，发现晴天卖草帽一天赚100，而卖雨伞的亏50；雨天卖雨伞一天赚100，而卖草帽的亏50。这样一来，无论晴天还是雨天，老太太的儿子们合计每天都能够赚50元。

       小景发现，故事里的老太太已经在不经意间对冲掉了天气变化的风险，让全家人拥有了稳定的收入。实际上，面对自然天气的变幻莫测，金融业真的有开发出诸多种类的天气期货，以供农业等天气敏感行业对冲掉天气波动的风险。

       天气有晴有雨，市场时涨时跌。在资本市场里，有一些基金运用“对冲思维”来剔除掉自己不想要承担的风险，量化对冲基金是其中的代表。

1、量化对冲：对冲掉的是什么？

       简单来说，量化对冲基金想要对冲的是我们所不想要的风险，例如市场波动的风险。其目标是找到一个风险更低且收益更高的最佳组合，去追求一个长期稳定的绝对收益。

       假设我们种植水生植物，植物在水中成长。高水位的季节，植物会因为“水涨船高”的效应更多地高出地平线。而在枯水期，植物哪怕每天都在长高也会因为水位过快地下降而更多地隐藏在地平线之下。

       我们常说的β和α，对应的就是水位高低和植物高于地平线的高度。这种外界因素带来的水位高低，类似于市场普遍的涨跌，难以把握。是否有方法能够规避掉市场波动的风险？量化对冲基金给出的答案是，通过做空股指期货等方式来对冲掉市场的系统性风险。

       这相当于为了使植物依赖自身的长势持续地超过地平面，我们建一个蓄水池，让水位保持稳定，只靠优质的植物种子和优良的种植选址累积每天的高度，这个建立水位稳定的蓄水池的动作就是“对冲”。从此只需要在意植物本身的长势，而不用担心水位的高低波动。这就是量化对冲基金的特点，无视市场整体的涨跌，追求相对稳健的超额收益。2、量化选股：挑选那些超过平均线的“好学生”

       前文所介绍的，实际上是对冲的意义。那么量化又扮演了什么样的角色？小景再举个例子。

       一个年级的学生考试成绩有高有低，平均分会根据试题的难度而出现变化。但一般来说，总有部分“好学生”能够比平均分考得更高。如果要选一批学生代表参加数学竞赛，就需要挑选出有更大可能性能超过平均分的“好学生”。

       挑选学生需要综合考虑过往考试成绩、成绩的稳定性、提升空间等因素。基本面量化所做的，就是运用统计方法、数学模型，从通过估值、成长、盈利、企业质量、市场表现、投资者情绪等多个方面来选择股市里的“好学生”。

       显而易见，量化对冲基金能够盈利，有一个关键就是其挑选的股票组合要比市场平均水平好。涨的时候，要比平均水平多，跌的时候要比平均水平跌得少。而随着注册制改革的推进，A股市场股票数已经有4000多只，挑选具有超额收益的股票难度与日俱增。借助大数据和先进算力的量化模型，能够极大地拓展研究的宽度，提升选股的胜率。

       小景说：今年以来，市场遭遇较大波折，许多基金遭遇大幅回撤，而对冲策略型基金优势开始显露。由景顺长城副总经理黎海威管理的，景顺长城量化对冲策略三个月定开基金，是其中的代表。该基金即将进入开放期，敬请关注！

来源：景顺长城基金

量化那些事儿之阿尔法策略

1、什么是阿尔法策略？

       投资者在市场交易中面临着系统性风险（即贝塔或Beta、β风险）和非系统性风险（即阿尔法或Alpha、α风险），通过对系统性风险进行度量并将其分离，从而超额绝对收益(即阿尔法收益)的策略组合，即为阿尔法策略。从广义上讲，阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析选股策略、估值策略、固定收益策略等等，也包括利用衍生工具对冲掉贝塔风险、**阿尔法收益的可转移阿尔法策略。后者在国内通常被称为阿尔法对冲策略，并在近年A股市场上得到广泛应用。

2、阿尔法策略是如何构建的？

       阿尔法策略所涉及的市场领域非常广泛，在股市、债市、商品市场等各类市场都有应用。而目前国内市场上最常见的还是股市阿尔法对冲策略，其通常利用选股、择时等方面优势，寻找具有稳定超额收益的现货组合，通过股指期货等衍生工具来分离贝塔，进而获得与市场相关度较低的阿尔法收益。尤其是在熊市或者盘整期，可以采用“现货多头＋期货空头”的方法，一方面建立能够获取超额收益的投资组合的多头头寸，另一方面建立股指期货的空头头寸以对冲现货组合的系统风险，从而获取正的绝对收益。此外，还有机构根据获取阿尔法的途径，采取统计套利、事件驱动、高频交易等策略来获取阿尔法收益。而在上述各种策略构建过程中，基于大类资产配置、行业配置、择时与选股体系的量化策略均得到了广泛应用。

3、阿尔法对冲策略成功的关键是什么？

       Alpha策略成败的两个关键要素是：其一，现货组合的超额收益空间有多大；其二，交易成本的高低。两者相抵的结果，才是Alpha策略可获得的利润空间。在股市Alpha策略中，最考验策略制定者水平的因素在于选股方法和能力。

4、阿尔法策略在我国市场的发展空间如何？

       从国内外的经验来看，阿尔法策略一般运用在市场效率相对较弱的市场上，如新兴股票市场、创业板市场等。我国的股票市场正是一个新兴的市场，效率相对较低，特别是伴随着股指期货、融资融券等衍生品种的推出，的确存在利用风险对冲来获取超额收益Alpha的巨大需求和空间。

用量化模型构建个股组合

       在构建个股组合方面，投资者可以采用量化模型的方法来选股。量化模型的优势在于能覆盖全部股票，业绩的稳定性和可复制性高。基金公司运用最多的量化模型是多因子模型。影响股票收益的因子有多种，大致可分为长期因子和短期因子。长期因子包括价值因子，盈利质量因子等，短期因子则包括市场技术分析以及动量等因子。将这些因子有机地结合起来，就构成了对每一只股票的打分，此打分也称股票的预期收益。用此方法计算出来的预期收益尽管不像狙击步枪一样精准，却可像冲锋枪一样，在大概率上具有较高的胜率。

       在构建投资组合过程中，与预期收益同等重要的是预期风险。有些股票尽管有很高的预期收益，但如果预期风险也很高，在历史上收益的波动率很大，那么在投资组合中所占的权重也不应太高。在预测风险方面，专业机构往往会购买商业模型或开发自己的风险模型来预测每一只股票的风险，进而计算组合风险。

      在确定组合中个股权重时，专业机构会根据投资者的收益要求和风险承受能力，从量化因子库中选择适当的因子为投资者量身定做预期收益模型，同时兼顾股票的预期风险和交易成本，用优化的方法计算组合中每只股票的权重。

阿尔法对冲策略是选择具有超额收益能力的个股组合，同时运用沪深300股指期货对冲市场风险以获得超额收益的绝对收益策略。此种策略追求的是与市场涨跌相关性较低的绝对收益。

用股指期货对冲市场风险

       确定了股票的最优组合并不代表一定能有正的收益。即使我们有最好的预期收益模型和最好的风险模型，我们也只可能做到战胜所有股票的平均值，即战胜指数。如果指数下跌了百分之二十，我们的模型即使战胜指数百分之十，我们最终还是亏损了百分之十。那么我们有没有办法在市场上获得正的收益呢？答案就在于运用股指期货对冲掉市场风险。

       在股指期货市场，投资者可以在购买股票现货的同时卖空同等金额的股指期货，即所谓的套期保值策略。如果市场上涨，现货随着市场的上涨而盈利，股指期货则由于我们卖空而出现亏损。由于我们的股票组合能够战胜市场，所以现货方面的盈利多于股指期货方面的亏损，最终我们盈利。反之，如果市场下跌，现货方面亏损，股指期货方面会出现盈利。由于我们股票组合战胜市场，亏损的比市场小，那么股指期货的盈利要大于股票方面的亏损，我们还是盈利。

主要风险在于选股策略

       下面让我们看两个实例。以2012年2月为例，自2月1日至2月17日期间沪深300指数上涨3.13%， 此期间根据简单的多因子模型组合测算，模型上涨3.59%，战胜市场。如果我们在2月1日以2469点收盘价卖空1202合约，2月17日合约到期时以2537点平仓。期间股指期货亏损2.76%，股票盈利3.59%，最终我们盈利0.83%。

       以2012年5月为例，自5月2日至5月18日沪深300指数下跌4.06%，此期间模型组合下跌3.74%，跌幅小于市场。如果我们5月2日以2686点卖空1205合约，至5月18日合约到期时以2576点平仓，期间股指期货盈利4.12%，减去3.74%的股票亏损，最终我们盈利0.38%。

       从以上两个实例中可见，不管市场上涨还是下跌，卖空股指期货总能对冲掉大部分现货股票组合的市场风险。阿尔法对冲策略的主要风险在选股策略上。由于股票市场的规律性变化、一些突发事件的影响和统计模型本身的概率属性，选股模型在某些月份或特殊时期有可能失去效用，出现做多的股票跑输市场的情形，从而产生短期的亏损。这需要投资者有正确的认识，也要求基金经理能不断完善投资模型和操作技巧，增强获胜概率。

熊市和震荡市表现最佳

       下面我们看看阿尔法对冲策略和贝塔策略的对比。贝塔策略是指被动跟踪指数的策略，从长期来讲，贝塔策略是可能盈利的，但由于股票市场波动比较大，在某段特定时间内往往会出现亏损或被套住的情况。以A股市场2011年1月4日到2012年11月29日的表现，沪深300指数在2129点到3372点之间波动，日收益率最高为4.9%，最低为-3.8%，年化风险高达20%。同期的阿尔法对冲策略，日最高收益率为2.16%，最低为-0.31%，年化风险为2.1%，风险仅为指数的十分之一。从累计收益来对比，2011年到现在沪深300指数亏损近30%，而阿尔法对冲策略则累计上涨23%。

       很多投资者对贝塔风险的防范意识往往不足。市场跌50%以后需要100%的收益来回填。而投资者往往不能有足够的信念和理由来坚持，客观上造成了追涨杀跌、市场涨而投资者亏损的局面。阿尔法对冲策略则有效地回避了市场过山车式的震荡，使投资者能长期稳定地参与经济的发展、股市的成长和个股的机会。

阿尔法对冲策略在操作中需要注意以下几个事项。

       第一，现货与期货头寸之前的差额，即风险暴露敞口不宜过大，否则会影响套期保值的效果。

       第二，由于现货是长期持有，而股指期货合约有到期日，所以在股指期货合约到期时需要向下一个合约展期，从而维持套期保值的延续性。

       第三，股指期货有日盯市保证金制度，投资者需要密切注意股指期货的保证金，以免被强制平仓。

       第四，对冲策略在熊市和震荡市中表现最佳，在牛市中投资者可适当调整对冲比例，在拿到alpha收益的同时适当收获整个市场的上涨收益。

来源：腾讯网

上半年产品表现分化 私募深挖“指数增强能力圈”

       最新监测数据显示，今年上半年的内地指数增强策略私募产品整体收益率延续了2020年的稳健表现。但在指数波动增大、个股分化的背景下，不同产品的表现也出现了显著分化。多家一线量化私募机构表示，在相对较为复杂的市场环境下，今年下半年的私募指数增强策略预计仍将面临多个投资难点，真正得到验证的优秀策略模型，才有望继续实现较高和稳定的超额收益。

收益率表现强弱分明

       来自朝阳永续的最新统计数据显示，截至7月5日，按照6月15日之后有最新净值公布的证券私募产品计算，今年上半年内地私募机构的所有股票策略产品(含主动多头及量化对冲两大类)的平均收益率为7.89%，其中正收益产品占比为57.07%。

       另一家第三方机构的监测数据则显示，该机构监测到的368只成立满6个月的指数增强策略私募产品(不完全统计)，今年上半年的平均收益率为10.84%。其中，上半年实现正收益的指数增强策略私募产品有346只，占比为94.02%;28只产品上半年收益率超过20%。

       在上半年指数增强策略整体收益率表现强于所有股票策略产品平均收益率的同时，在指数增强策略产品内部，不同产品的收益率表现出现显著分化。宽桥金融首席投资官唐弢表示，根据该机构长期跟踪的10亿元规模以上指数增强策略私募产品净值数据来看，在沪深300指数增强产品中，相关私募机构旗下的产品在上半年平均跑赢指数9.2个百分点;在中证500指数增强产品中，相关产品平均跑赢指数12.5个百分点。

       喜岳投资首席投资官唐涛进一步指出，今年以来，由于个股“一九”效应逐步减弱、市场热点相对分散，指数增强产品的超额收益表现明显，但不同私募机构、不同指数增强策略私募产品的业绩表现跨度较大，分化显著。

指数增强策略直面多个难点

       唐涛表示，以基本面量化选股为主的增强产品，今年继续提供了较具竞争力的超额收益。与此同时，相对于2020年全年，指数增强策略获取超额收益的难度明显有所增加。具体而言，第一，大小盘个股严重分化和波动率增加，给指数增强收益带来了更高的不确定性;第二，今年以来市场内部的行业波动和风格波动也较往年更加剧烈，对指数增强策略的选股超额收益带来巨大挑战;第三，目前的私募指数增强策略中大部分规模为高频量化，随着近几年高频量化私募规模暴涨，策略赛道拥挤程度增加，超额收益被稀释。

       他表示，从长期来看，稳定的指数增强策略应当呈现三方面特点：一是指数增强策略背后要具有“强逻辑支撑”，以逻辑为出发点的策略能够在样本内外保持较高的一致性，杜绝数据挖掘导致的过度拟合风险;二是不做行业和风格择时偏移，稳定的指数增强策略收益应该更多来源于选股能力;三是优秀的指数增强策略，能够在不同产品规模情况下，保证一致性较高的业绩表现。

       宽桥金融分析认为，在A股市场运行韧性持续增强、波动率较以往有所增大的背景下，优秀的指数增强策略模型，更应当突出两个方面的“长板优势”。具体包括更加多策略复合的择时策略，以及更加精细化、多策略的选股方式。宽桥金融认为，以指数成分股的内部选股为例，未来量化机构可以更多关注对不同行业或者风格区分的股票池，进行单独建模，并采取多重逻辑的选股方式进行叠加，才可能在更复杂的市场中持续领先。

来源：投资快报

量化基金经理应该具备四种思维模式

       中证网讯（记者 张焕昀）日前，摩根士丹利华鑫基金数量化投资部总监、大摩量化多策略基金经理余斌在接受中国证券报记者采访时表示，为了更好地在A股市场发挥量化投资的优势，主动量化基金经理应具备四种思维模式。

　　余斌认为，位于主动量化基金经理能力圈第一层的量化思维，是整个量化投资方法论的内核，具体来看，包括工具技能、概率思维和数据思维三个内涵。

　　其中，"工具技能"代表量化研究人员的先进生产力和高效解决问题的能力，可以帮助基金经理高效解决问题，极大降低日常工作中的低层次重复劳动，从而将更多时间和精力投入到思考和构建策略中去。"概率思维"代表了量化人员在不确定市场环境下的应对方式。余斌坦言，概率思维对他的影响很大，他的投资策略本质上就是"构造胜率与赔率更优的投资组合"。"数据思维"则代表了量化人员对市场的打开方式。在余斌看来，证券从业人员应该对数据非常敏感，对数据背后的逻辑关系能够快速反应，如果看到不正常的数据，立刻就能明白问题所在。

　　位于第二层的是中期思维，即产业周期和景气度的感知能力。如何理解中期思维对量化投资的作用？余斌表示，核心原因在于国内外市场量化投资发展阶段的不同。"众所周知，量化投资起源于海外市场，对成熟市场适用性也更强。这是因为成熟市场获得超额收益的难度较大，单纯通过因子选股很难获得非常高的Alpha收益。"在此背景下，可以采用量化投资方法实现投资组合的高效和低成本管理。

　　位于主动量化基金经理能力圈第三层的是长期思维，即对产业长期趋势和企业竞争力核心变量的提炼和理解。在余斌看来，长期思维更接近投资本质，对市场或者个股的理解本质上是基于竞争优势、商业模式的认知。"但我不建议主动量化人员像基本面投资一样去深挖个股，自下而上的个股研究需要非常深厚的积累，量化投资在这方面的积累肯定是相对薄弱的，因此我们需要寻找不同的角度去分析问题。"

　　最后一层是组合思维，根据既有信息构建最优组合。投资是面向未来的，因此要基于预测观点来构建组合。如果只是基于历史信息找出解决方案，并不是理想的组合构建方式，胜率和赔率评估才是组合构建的核心，这也是余斌始终坚持的方法论核心。

来源：金融界

什么是10倍股量化投资模型

       什么是10倍股量化投资模型，其实量化模型就是把10倍股的特征用数据固定下来，形成公式，形成固定的筛选和操作的流程。

       有了这个公式我们在选10倍的时候就简单了，但凡符合这个模型的个股那么未来涨10倍的概率就很大。

       什么是好股票，什么是垃圾股我们不能靠猜，而是去用模型量化。就像清华大学招生，好学生不是谁说好就好的，而是按统一招生模型，各科总成绩，按统一一个标准来招生，这样才能公平公正。

       不能说校长说这个学生好就招进去，也不能这个学生的父母是学校的教授就招进去，有了这个模型就减少了腐败，减少了主观判断。

       教育的目标是把优秀的学生变得更优秀，我们买股票的目标也是买优秀的股票，陪伴它变得更优秀。

就像我们每个人在选股的时候，不会因为你对这个股票熟悉，这个股票就是好股票，也不会因为这个股票你没听说过就是不好的股票。

       在选股的时候普通股民最常犯的一错误就是把情绪带进去，或者听别人推荐就买了，失去了自己的判断，买完之后才知道后悔了，买完之后也不知道这只股票究竟好不好。

所以我们要形成对好股票的判断标准，不能因为有人推荐了就是好股票，如果你没有自己的判断标准你就没办法持有一只股票到翻倍。

       而老廖的超级量化投资模型就是用来判断股票的好坏，用公式去计算出一只股票究竟好不好，用公式去计算一只股票什么时候买，什么时候卖，如何建仓，如何减仓，什以时候该持有都是有统一的标准的，这样即便是新股民也不会盲目，也不会带着情绪去炒股，减少了不必要的麻烦，让我们炒股更加轻松、愉快！

       我现在每天在做的事就是不断优化自己的投资模型，研究那些因子失效了，哪些因子成为市场新的核心驱动因素，使自己的投资模型在不断的进化过程中，不存在偏见，不存在感情用事。

       模型投资是在价值投资和趋势投资在基础上创新升级而来的，它诞生于大数据时代，通过人工智能算法形成最佳长线价值量化投资模型，具有划时代意义，不是停留在20世纪的传统价值投资和趋势投资，而是大数据和智能时代产生的数据投资模型。

       模型投资也是属于主动投资的一种。不同的是，主动投资依赖的更多的是公司调研以及产业趋势的判断，并加以个人的经验判断，而模型投资则是将定性的思想进行数量化的过程，模型投资的优势主要有以下几点：

       1、纪律性：纪律性指的是严格执行模型所给出的投资建议，不受到投资者主观情绪的影响，纪律性的好处是可以帮助我们克服交易过程中情绪的弱点，比如说侥幸心理、贪婪、恐惧，同时由于数学模型的客观性，也可以帮助我们克服认知的偏差；

       2、效率性：效率性指的是数据处理能力的速度，人脑对于信息的接收和处理能力是有限的，主观投资可覆盖和可处理的股票数量相对较少，而量化模型可以对于市场上所有股票进行快速分析，发挥信息处理能力的优势。同时数学模型可以快速跟踪市场的变化，不断学习新的市场规律，更加简洁高效；

       3、分散性：分散性指的是持股相对分散、适度集中，不是以某一只或者某几只股票取胜，而是以投资组合的形式依靠概率获取超额收益，这也体现到了我们组合收益的风险特征上。

      在股票市场中不要去猜短期的涨跌，真的太难了，因为任何时候上涨和下跌的理由都是可以找到的，作为个人投资者，完全无法分辨，即便是很多宏观策略师和首席分析师都不敢给出明确的答案，可见，业内专家都看不清楚。所以，别猜，一切按照自己的模型来，该买的时候就买，该卖的时候就卖，只赚模型中确定性的钱。

来源：而且因为你值得